GPT-5.6 Luna vs Qwen3.8 Max
料金・コンテキスト長・実際の回答で比較（2026年8月時点）
GPT-5.6 Luna（OpenAI）とQwen3.8 Max（Qwen）を、FastMetalのゲートウェイで実際に呼び出せる条件で比較します。どちらも同じOpenAI互換エンドポイントとAPIキーから利用でき、切り替えは model の文字列を変えるだけです。
スペックと料金
 GPT-5.6 Luna |  Qwen3.8 Max | |
|---|---|---|
| 提供元 | OpenAI | Qwen |
| 入力（100万トークンあたり） | ¥35.74 | ¥357.4 |
| 出力（100万トークンあたり） | ¥214.44 | ¥1,072.2 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥143 | ¥894 |
| コンテキスト長 | 1,050,000 トークン | 1,000,000 トークン |
| リリース日 | 2026/7/9 | 2026/8/3 |
| 入力モダリティ | file, image, text | text, image |
| アリーナ 総合 | #63 · ELO 1,452 | #20 · ELO 1,479 |
| アリーナ 日本語 | #36 · ELO 1,444 | #14 · ELO 1,485 |
| アリーナ コーディング | #69 · ELO 1,496 | #26 · ELO 1,520 |
料金はFastMetalの円建て単価（税別）。アリーナ順位は公開リーダーボードの最新取得時点の値です。
どちらを選ぶべきか
- 料金重視ならGPT-5.6 Luna。出力100万トークンあたり¥214.44で、Qwen3.8 Maxより80%安くなります。
- 総合の評価はアリーナ順位でQwen3.8 Maxが上です（20位。GPT-5.6 Lunaは63位）。
- 日本語の評価はアリーナ順位でQwen3.8 Maxが上です（14位。GPT-5.6 Lunaは36位）。
- コーディングの評価はアリーナ順位でQwen3.8 Maxが上です（26位。GPT-5.6 Lunaは69位）。
- 長い文書を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000トークンで、Qwen3.8 Maxの1,000,000トークンより広くとれます。
- 迷ったら両方を同じキーで試せます。model の文字列を変えるだけで切り替わり、料金はそれぞれの単価で従量課金されます。
同じプロンプトへの実際の回答
FastMetalのゲートウェイが返した回答をそのまま並べています。ベンチマークの数字ではなく、実際の出力です。
このエラーをデバッグして
以下のエラーがPythonアプリケーションで発生しています。原因を特定して修正してください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport…
GPT-5.6 Luna
原因は、`order["price"]` が文字列（`str`）として取得されているのに、`order["quantity"]` は整数（`int`）であるためです。
```python
"1000" * 2
```
は数値の乗算ではなく、文字列の繰り返しとして扱われるため、`str` と `int` の乗算でエラーになります。
## 修正例：Python側で型変換する
金額を扱うため、`float` ではなく `Decimal` を使うのが安全です。
```python
from decimal import Decimal
def get_user_orders(user_id):
orders = db.query(
"SELECT price, quantity FROM orders WHERE user_id = %s",
user_id
)
total = sum(
Decimal(str(order["price"])) * int(order["quantity"])
for order in orders
)
return {
"user_id": user_id,
"total": total,
"orders": orders,
}
```
`price` が `"12.50"` のような文字列でも、`Decimal` に変換して正確に計算できます。
## SQL側で数値型に変…
応答時間 6.7秒出力 775 トークン
Qwen3.8 Max
原因は、`order["price"]` が数値ではなく文字列になっていることです。
エラー内容の
```text
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
は、次のように「文字列 × 整数」を計算しようとしたときに出ます。
```python
"1000" * 2
```
本来は数値として掛け算したいのに、DB から取得した `price` が文字列型になっているため失敗しています。
---
## 考えられる原因
例えば次のようなケースです。
1. `orders.price` カラムが `TEXT` / `VARCHAR` 型になっている
2. DB ドライバが価格を文字列として返している
3. データとして `"1000"` のように文字列保存されている
4. SQL 側で文字列として取得してしまっている
現在のコードでは、`price` が文字列のまま掛け算に使われています。
```python
total = sum(order["price"] * order["quantity"] for order in orders)
```
---
## 簡単な修正
最低限の修正としては、`price` を数値に変換します。
```python
def get_user_orders(user_id):
orders = db.query(
"SELECT price, quantity FROM orders WHERE user…
応答時間 68.2秒出力 2983 トークン
SQLクエリの最適化
以下のSQLクエリは500万行のテーブルに対して実行すると30秒以上かかります。最適化してください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN…
GPT-5.6 Luna
主な問題は、単にインデックス不足だけではありません。
1. `reviews` をそのまま JOIN しているため、注文行とレビュー行の組み合わせで行数が膨張する
2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しているため、実質的に `INNER JOIN` になっている
3. 500万行を JOIN してから `GROUP BY` している
4. `order_details` に `product_id` のインデックスがない
注文集計とレビュー集計を先に商品単位で集約してから JOIN するのが効果的です。
## 改善後のクエリ
「注文が存在する商品だけを表示する」という、元のクエリと同じ意味を維持する場合です。
```sql
WITH order_agg AS (
SELECT
od.product_id,
COUNT(o.order_id) AS order_count,
SUM(o.amount) AS total_sales
FROM order_details od
INNER JOIN orders o
ON o.order_id = od.order_id
WHERE o.status = '完了'
AND o.created_at >= TIMESTAMP '2024-04-01'
GROUP BY od.product_id
),
review_agg…
応答時間 16.3秒出力 2059 トークン
Qwen3.8 Max
以下は「500万行規模で30秒以上かかる」場合に、まず疑うべきポイントと改善案です。
このクエリは **インデックス追加だけでなく、クエリ構造自体に大きな問題** があります。
---
## 1. 大きな問題：LEFT JOIN によって集計行数が爆発している
現在のクエリは、`products` に対して `order_details` と `reviews` を両方 `LEFT JOIN` しています。
```sql
LEFT JOIN order_details od ON od.product_id = p.id
LEFT JOIN orders o ON o.order_id = od.order_id
LEFT JOIN reviews r ON r.product_id = p.id
```
これにより、例えばある商品に以下がある場合、
- 注文明細：100行
- レビュー：200行
`100 × 200 = 20,000行` に膨らみます。
その結果、
```sql
COUNT(o.order_id)
SUM(o.amount)
```
が **レビュー行数分だけ重複加算** される可能性があります。
つまり、このクエリは遅いだけでなく、結果も正しくない可能性があります。
---
## 2. 改善方針：集計を分離する
注文金額・注文数の集計と、レビュー平均は別々に集計してから結合すべきです。
### 改善後のクエリ例
```sql
WITH order_agg AS (
SELECT
od.produc…
応答時間 106.3秒出力 5133 トークン
ビジネスメール作成
取引先の田中部長に、納品予定の製品に不具合が見つかり、納期を1週間延期する必要がある旨を伝えるビジネスメールを作成してください。 条件： - 原因は品質検査で軽微な不具合が発見されたため - 代替案として暫定版を先に納品することも可能 - 改めてお詫びの訪問をしたい - 日本のビジネスマナーに沿った丁寧な文面にすること
GPT-5.6 Luna
**件名：納品延期のお詫びとご相談**
株式会社〇〇
〇〇部 部長 田中様
平素より大変お世話になっております。
株式会社〇〇の〇〇です。
このたび、納品を予定しております〇〇につきまして、出荷前の品質検査において軽微な不具合が確認されました。
現在、原因の確認および修正対応を進めておりますが、品質を万全にしたうえで納品するため、誠に恐縮ながら、納期を当初予定の〇月〇日から1週間延期させていただきたく、ご相談申し上げます。
本来であれば予定どおり納品すべきところ、このようなお願いとなり、誠に申し訳ございません。
なお、ご使用上お急ぎの場合には、修正版の完成に先立ち、暫定版を先に納品することも可能でございます。暫定版の納品可否につきましては、貴社のご都合に合わせて対応いたしますので、お申し付けください。
このたびは多大なるご迷惑とご心配をおかけしますこと、重ねて深くお詫び申し上げます。
改めまして、直接お伺いのうえ、今回の経緯と今後の対応についてご説明させていただきたく存じます。ご都合のよろしい日時をお聞かせいただけますと幸いです。
何卒ご理解賜りますよう、よろしくお願い申し上げます。
敬具
――――――――――
株式会社〇〇
〇〇部 〇〇 〇〇
〒000-0000
東京都〇〇区〇〇0-0-0
TEL：00-0000-0000
E-mail：xxxxx@example.com
――――――――――
応答時間 7.4秒出力 480 トークン
Qwen3.8 Max
以下は、取引先の田中部長宛に送るビジネスメール文例です。状況に応じて【 】部分を調整してください。
---
件名：納品予定製品の不具合に伴う納期変更のお願い
株式会社【取引先名】
田中部長
平素より大変お世話になっております。
株式会社【自社名】の【氏名】でございます。
このたびは、【製品名】の納品につきまして、ご連絡申し上げました。
現在、納品に向けて最終確認を進めておりましたが、社内の品質検査におきまして、軽微な不具合が発見されました。
お客様へ安心してご利用いただける品質を確保するため、修正および再確認に一定の期間を要する見込みでございます。
つきましては、大変恐縮ではございますが、現在の納品予定を1週間延期させていただきたく、お願い申し上げます。
当初の予定どおりお届けできず、田中部長をはじめ貴社の皆様にご迷惑をおかけしますこと、心よりお詫び申し上げます。
なお、もし急ぎでご確認いただく必要がある場合は、修正前の暫定版を先にお納めすることも可能です。
その場合は、正式な修正版を後日あらためて納品させていただく形となります。
ご都合に合わせて柔軟に対応いたしますので、ご希望がございましたらお知らせいただけますと幸いです。
本来であれば直接お詫び申し上げるべきところではございますが、まずはメールにてご連絡申し上げました。
後日、改めてお詫びとご説明にお伺いしたく存じますので、ご都合のよい日時をお知らせいただけますと幸いです。
このたびはご迷惑をおかけし、誠に申し訳ございません。
何卒ご容赦賜りま…
応答時間 17.1秒出力 681 トークン
よくある質問
- GPT-5.6 LunaとQwen3.8 Max、料金はどちらが安いですか？
- 出力100万トークンあたりGPT-5.6 Lunaは¥214.44、Qwen3.8 Maxは¥1,072.2で、GPT-5.6 Lunaの方が安くなります（FastMetalの円建て単価・税別）。
- GPT-5.6 LunaとQwen3.8 Maxのコンテキスト長の違いは？
- GPT-5.6 Lunaは1,050,000トークン、Qwen3.8 Maxは1,000,000トークンです。
- GPT-5.6 LunaとQwen3.8 Max、評価が高いのはどちらですか？
- 公開アリーナの順位ではQwen3.8 Maxが上です（GPT-5.6 Luna 36位、Qwen3.8 Max 14位）。順位はリーダーボードの更新で変わります。
- GPT-5.6 LunaとQwen3.8 Maxを同じAPIキーで使えますか？
- はい。FastMetalのOpenAI互換エンドポイントで、model に "gpt-5.6-luna" または "qwen3.8-max" を指定するだけで切り替えられます。料金はそれぞれの単価で、同じ前払い残高から従量課金されます。
どちらも同じAPIキーで試せます
アカウントを作成してクレジットをチャージすれば、GPT-5.6 LunaとQwen3.8 MaxをブラウザのチャットとAPIの両方から呼び出せます。月額料金はありません。